大数据环境下的城市交通规划与管理——中国城市交通发展论坛第十二次研讨会讨论精选

大数据环境下的城市交通规划与管理
——中国城市交通发展论坛第十二次研讨会讨论精选

重庆市交通信息化建设成果

张远 (重庆市规划局)

近年来，重庆市规划局开展了一系列交通信息化建设，取得了一定成果。先后完成了重庆市主城区交通规划数据库、重庆市综合交通信息平台等重点项目，并且投入使用，实现了对重庆市主城区交通设施的数据查询、路网运行的实时监测以及特殊事件的实时监控发布。重庆市在整合社会公共信息层面有三大基础数据库建设：人口库、法人库和地理信息空间数据库。地理信息空间数据库和综合市情系统由重庆市规划局承担，综合交通信息平台是综合市情系统的重要组成部分，作为城市交通非常重要的实时动态运行成果，向市级相关部门提供实时数据。

综合市情系统通过建设信息共享交换平台，汇集各个委办局的相关数据；综合交通信息平台实时调用综合市情系统的相关数据，并先后引入GPS车辆运行数据、通信运营商数据，包括过去的2G/3G、现在的4G手机信令数据。另外，车辆射频识别(Radio Frequency Identification,RFID)、浮动车GPS、道路线圈卡口、停车等15类交通数据统一整合到综合交通信息平台，经过数据处理和数据分析，能够实时反映城市交通运行状态。重庆市还建成了人员移动、道路运行、车辆和轨道交通四大监测系统，这些系统信息在平台中进行整合以后，可以通过平台向各委办局和职能部门、专业部门发布数据实现共享，并且也通过媒体向社会公众进行发布，例如在重庆交通广播电台和华龙网等实时发布交通数据。目前发布的数据以主城区范围为主，超过5 000 km。

重庆市交通大数据信息化建设还要不断深化，在建设目标层面上将面向更多应用，包括为政府在决策层面提供更多支持，为相关部门开展工作提供更多基础数据和实时数据，为其提供相关服务，促进数据整合以形成新的信息成果。另外，还可以为市民出行提供更加丰富、及时的咨询服务。下一步通过建设更加全面的城市交通监测分析集群，对城市人口活动、车辆移动、客流需求等进行更加准确的监测，进而推进更加科学的交通建设决策。

在大数据服务智能交通管理、智慧城乡规划、交通设施管理、客货运输管理，以及公共交通运输管理、公众出行服务、交通公共安全和应急、人口管理、低碳服务九个方面，重庆市还要继续努力，最大限度地发挥交通大数据产生的社会效应。另外，重庆市还将建设交通大数据的服务集群，作为整个交通大数据生态圈的支撑核心，整合内部的计算数据资源，对内进行资源监控、调度和运用、维护管理，对外提供统一的订阅、注册、消费和服务等。

重庆市交通决策支持系统建设及应用

张建嵩 (重庆市交通规划研究院)

重庆市交通决策支持系统为政府决策部门及公众提供了很多有效的决策支持以及出行信息。该系统以交通行业数据中心、城市与交通综合分析平台以及城市与交通规划决策支持平台3个定位为核心，建立了由交通规划数据库、综合交通信息平台和交通预测模型组成的重庆市交通大数据体系。

从系统建设的技术路线看，交通决策支持系统总体分为3个层次。最底层是数据融合。重庆市规划局通过交通信息汇集系统与很多相关部门、单位建立起了数据共享渠道，包括以人为对象、以车为对象和以路、公共交通、停车场系统等为对象的数据。中间层是建立若干指标体系，基于不同研究对象和特点建立多维的监测指标体系，以量化方式反映交通设施或交通系统的运行情况。最顶层是以指标为指向进行的应用系统设计等工作，并实现前端展示和分析，特别是基于多元数据融合的新应用，可以通过这些数据发现不同类型车辆的交通特征，推算交通方式分担率、城市出行OD和城市交通分布，分析城市组团的职住平衡状况和机动化发展变化和水平等。因此，通过分析长期积累的大数据，可以掌握城市交通运行规律，从而以坚实的数据支撑和无限的想象力来描绘未来的交通蓝图。

大数据环境下北京市交通规划与决策方法创新

朱丽云 (北京交通发展研究院)

“信息化、大数据+交通”体现在交通行业的方方面面，传统的智能交通更多指的是企业主导的车路协同、车车通讯、路面采集系统或者自动收费系统的建设等工作。这些智能交通系统带来了非常多的数据，落地到交通管理领域，形成了以交警集成指挥平台为核心的一系列业务支撑与交管决策支持系统；落地到交通运输领域，则主要代表平台是交通运行监测调度中心(TOCC)，功能包括交通运行监测、行业企业监管调度以及交通运输行业的决策支持等。大数据在规划领域的落地与应用开始在中国各大城市的科研单位和规划部门持续升温，例如北京的城市实验室、深圳的未来实验室，还有北京交研院+智达交通科技的协同联合体等，都在这方面做了大量的科研积累和应用工作。这些机构的设置和创新，都展示了交通领域的大数据系统建设从交管到交通委再到规划，从外场采集到监测监管再到决策支持，是一个从硬件到软件再到软实力逐步增强的过程，同时也意味着大数据环境下交通规划与决策方法体系的创新是趋势。

基于这个时代发展背景，北京市近期做了一些思考和具体工作：

一是数据驱动决策平台整体的逻辑架构设计。随着物联网的发展，数据迎来海量爆炸的时代，但人的认知能力不会爆炸。现在要做的事情，除了紧跟物联网发展增加数据采集源，更为重要的是做好人的认知能力的“二极管”，包括进入人脑的数据质量的准确度把控、数据标准制定以及新旧信息结合产生新的算法模型体系等。这个逻辑架构的底层是行业决策信息资源库，必要工作是引入新技术，用高性能和高可扩展性的分布式稳健系统，来解决大数据存储和随时调用的技术问题。中间层左侧的数据采集层，要积极引入和利用新的数据采集源，包括互联网爬虫技术、社会小汽车“互联网+”采集技术，还有日益升温但还未充分挖掘利用的手机信令及W i-Fi定位等多重出行跟踪分析技术等；中间的运行监测层突出的是对数据质量和标准的重视，另外还有核心分析与评估算法，都需要更新到大数据时代下的新模型算法体系；而右侧的多层次一体化交通仿真系统，即所谓的交通行业“政策实验室”，国内其实都还做得比较粗浅。最上层是决策支持层，包括大屏协同展示、沙盘推演与决策会商平台，通过数据融合获取更为精准的信息服务发布，以及考虑到规划行业的性质特点，应该积极引入公众参与平台等。

二是在社会小汽车新的采集源和数据分析上做创新工作。之前浮动车采集回来的都是运营车辆数据，现在通过政企合作模式采集到达到一定规模的社会车辆数据，并且除了常规的实时卫星定位数据以外，通过跟车载诊断系统(OBD)挂接，还采集到每辆车的点火、熄火、加减速、开关门等小汽车出行的全链路行为数据。然后，把每次出行进行轨迹匹配及特征点识别，包括上班、回家和接送孩子上学等行为特征及位置点的细分。这实际上把原来基于居民出行调查的社会小汽车使用情况与时空分布特征研究工作做了极大推进，原来只能人工采访调查小汽车使用的强度、距离、时耗、出车率、停车及时空分布，现在这些数据每天都被自动监测与跟踪分析，为针对城市交通中最主要的社会车辆的使用和运行情况分析及发展对策研究，提供了最为直接和重要的数据支撑。

三是进行更好的技术架构升级实践。单就浮动车系统专项而言，北京市已经历了从奥运期间8 000辆每分钟上传一次信息的出租汽车，到目前超过4万辆出租汽车、2万辆公共汽车、3万辆每9 s上传信息的社会车、5 000辆新能源车以及1万多辆逐秒采集的节能减排监测车的数据增量，地图数据也从奥运时的五环内2万多个路段增加到全市域46万多个路段，2017年京津冀路网更是达到200万个路段的规模。另外还有手机信令、公交IC卡、断面流量检测器、停车收费、ETC、W i-Fi及蓝牙等ITS采集源，均带来了对实时海量数据的高运算性能要求。以北京市路网运行监测与分析平台的新技术架构为例，该系统包括了部署于政务外网云的核心计算引擎系统、部署于交通委机房的交通运行评价与决策分析前端应用系统，以及部署于政务互联网云的对外发布系统，三位一体协同运行，以满足当前形势下的大数据存储与计算性能要求。

四是基础工作储备。包括编制了交通研究数据手册、数据资源目录和数据框图，以及深入进行了北京市交通大数据交换与应用模式的研究工作，致力于统一的数据采集、汇交、使用、交换和共享标准建设，并对综合交通大数据资源进行详细的调查摸底、分类标注和指标梳理。数据项中自动采集数据(监测数据)来源于信息化系统；统计数据来源于多层级统计报表；调查数据来源于各类交通调查；基础数据来源于交通基础设施测绘数据及其他基础属性表数据。所有的一级、二级指标中与现有的公交都市考核指标、畅通工程考核指标、北京现代化综合交通体系指标等相一致的内容也都做了对应标注。

随着采集与积累的数据越来越多，在对数据挖掘利用的过程中，在建设新一代智慧规划方法体系的路上，有几个关键性的问题值得注意。1)重视系统数据质量评估与验证工作。目前对于交通大数据的采集与分析应用，基本形成了一套类似的方法流程体系，但是数据验证工作始终被冷落，很少有人会在验证环节进行深入研究，但这是整个上层分析应用的基石。2)顺应大数据与云计算的发展趋势，充分利用各种ITS数据，推动数据融合这个说得多而做得少的技术积累工作。例如，在做缓堵决策时，即使有部分车辆的GPS、有手机信令数据，仍无法知道路网容量等规划决策所需要的重要指标，只能从调查的小样本里估算数据。因此，如何采集获取更多的数据，利用各种数据的优势做好大小数据融合技术攻关，提高数据使用效能，是大数据环境下交通研究的当务之急。3)让规划师容易获取数据，使他们能够利用通用工具快速地进行规划设计与管理工作，大大缩减资料搜集、数据获取与统计分析投入的时间精力。目前，数据共享方面除了制度性屏障之外，其实还存在很多实际的工具缺位问题，直接影响之后的规划工作效率提高。4)建立“跟踪监测—智能挖掘—沙盘推演”循环迭代工作平台，辅助支撑并建立现代城市交通规划管理与决策方法体系。

高德交通大数据应用

杨赞 (高德软件有限公司)

大家对高德公司的产品最熟悉的可能就是高德地图，其实高德公司还有车联网、高德交通以及高德LBS开放平台等产品。根据最新数据，高德地图用户已经超过7亿，并且在汽车导航前装市场的占比超过了50%。另外，高德开放平台在全球日均响应定位请求次数近300亿次，大家非常熟悉的新浪微博、神州租车都是用高德地图和定位服务。高德在交通大数据方面，目前覆盖全国360多个城市，以及95%以上的高速公路、快速路和城市主干路，总里程为200万km以上，全面领先手机实时交通领域。此外，每个季度高德公司都会发布交通大数据报告，为行业交通分析做一份贡献。

高德的交通大数据实际上分为两个部分：一部分是行业数据，以浮动车数据为主，如公共交通、出租汽车、货车等；另一部分是互联网众包数据，也就是手机地图以及导航数据等，目前月均已超过200亿km的驾驶里程覆盖。高德公司把这两部分信息进行有效的融合，借助内部阿里云的大数据处理能力以及支付宝的快捷方便支付能力，构建整个智慧交通体系。

回到本次会议主题，互联网大数据在交通规划和管理中的应用可分为三方面：首先是城市交通规划领域，比如新建城市道路、立交桥、拥堵瓶颈点周围的建设项目规划需要更多量化数据分析，可以利用人工智能以及相应大数据的分析手段，对交通规划和管理方面的数据进行融合。第二是城市交通政策方面，特别是与老百姓密切相关的一些拥堵收费政策、网约车政策，以及限行限号政策出台之前，需要利用大数据的手段对政策结果进行分析，以使制定的政策具有合理性。第三是城市交通的日常管理，这部分主要是利用大数据做信号控制、公交专用车道和潮汐式车道的设置、公交线网优化、交通诱导，以及拥堵常发点的组织方案等。

上海市交通大数据资源及研究局限

薛美根 (上海市城乡建设和交通发展研究院)

上海市交通大数据资源分为两部分：一部分是传统的定期开展的综合交通调查积累的数据，当然并不是有了如今的大数据就不再需要传统交通调查了。在国外，尽管交通相关数据发生爆炸式增长，但传统的交通调查仍十分必要，两者还应有更多的结合。另一部分是日常综合交通运行信息数据。上海市2006年开始建设综合交通信息平台，目前，平台信息数据包括遥感用地、道路交通运行、公共交通运行、对外客运、静态交通、信号控制、手机信令、道路视频信息(车牌识别)、运营车辆GPS数据、道路事故、掘路施工等数据信息。有了这些交通及其相关大数据以后，数据更新频率更快，对交通特征分析变得更加深入、精细、全面。

但是从未来发展看，尽管有这些数据，交通研究还存在很多局限性。一是对交通大数据进行深度挖掘的技术方法还有待深化。例如尽管有大量的手机移动数据，但如何通过对这些数据分析技术的改进进一步提取人员出行的特征数据，还有很长的路要走。再例如，公共交通的GPS数据如何与一卡通刷卡数据更好地关联，从而更全面、准确反映客流出行特征，也是今后要努力探索的方向。二是对于一些关键数据的获取还存在一定的局限性，需要建立不同领域数据共享的机制。例如对于机动车车牌数据，上海市比较多的是交叉口和快速路方面的数据，但如何使用已安装的大量视频数据为交通分析发挥作用，涉及数据共享机制等问题。上海市也正在研究交通综合平台数据和环境监测平台数据共享融合的问题。相信随着数据资源不断丰富，对交通以及交通相关大数据的挖掘潜力必将更大。

深圳市城市交通大数据体系重构与创新

赵再先 (深圳市城市交通规划设计研究中心)

在移动互联网、大数据产业快速发展的新形势下，传统交通规划研究面临技术革新的重大机遇与挑战。深圳市根据新时期综合交通评估分析需求，利用移动互联时代的发展契机，围绕融合、分析、应用三大关键环节，重构城市交通大数据体系，全面进行技术拓展与升级，构建新一代城市交通综合分析评估与决策支持系统。

深圳市交通大数据平台是新一代城市交通综合分析评估与决策支持系统的基础和关键。这一平台具有以下两方面突出特点：一是多元数据与融合，平台广泛接入城市规划、交通、交警、环境、气象等相关部门数据及移动通信等相关企业的数据，包括用地变化、人口与岗位分布、人员出行、重点地区的人流量、各交通方式运行状况等。目前接入动态数据已达15种，每天动态数据增量超过7.7亿条，实现了对城市交通全方位的动态跟踪与监测。二是突出战略协作、共建共享。发挥各自优势，与腾讯、百度等国内著名互联网企业建立战略合作关系，引入巨量动态数据进行专业交通分析，同时也为互联网企业的社会化服务提供专业的交通技术支持。以践行开放理念、挖掘数据价值、共建创新平台为宗旨，创建未来交通实验室在线平台，邀请国内外20多个城市机构和10多个高校加入联盟，共同推进交通行业的资源共享与技术创新。

以大数据平台为基础，深圳市全面拓展和创新城市交通领域实践应用，取得了显著效果。一是面向政府交通规划、建设及管理决策，为深圳市停车收费、需求调控、高速公路回购、碳排放权交易等重大交通政策决策提供关键的技术支持；二是面向行业的运营管理，大数据交通分析为完善公共汽车与轨道交通接驳、改进轨道交通车辆运营和车站人流组织以及轨道交通网络化运营票务清分等提供重要技术支持；三是面向公众的出行服务，基于道路交通运行指数监测及道路交通环境监测两大平台，开发“伴我行”移动终端，为方便居民出行提供动态指引；四是面向公益的开放和共享，利用多元融合大数据开发“碳足迹”手机移动APP、“虚拟绿道骑行系统”，向社会积极宣传、倡导绿色出行理念。

昆明市基于IC卡及GPS的公共交通运营指标体系

唐翀 (昆明市城市交通研究所)

昆明市基于IC卡、GPS全覆盖的基础，在公共交通发展困境和行业的需求下，探索出通过现有数据挖掘支持科学决策、公共交通优化、城市规划的数据应用体系。随着昆明城市轨道交通建设，常规公共交通基础设施有限，速度、服务、效率等方面处于客观弱势，与其他方式的衔接也存在一些问题，同时行业自身的管理水平低，导致近年来运营成本提高、客流效益降低、亏损愈发严重。

在这个过程中，公共交通的运营调度和线网如何调整缺乏数据支持，缺乏比较准确的响应机制。在此背景下，构建城市公共交通运营指标体系，以市场客流为导向、大数据为支撑，进行科学决策与管理，服务公共交通行业发展。

昆明市参照公交都市的一些考核体系指标，结合自身实际情况提出优化。在此基础上建立五大系统，包括三个指标系统、两个应用系统。三个指标系统包括基础数据查询系统、客流统计分析系统和公共交通运营评价系统；两个应用系统包括调度公共交通优化系统和线路调整及优化评估系统。

在三个指标系统中，基础数据查询系统主要包括车辆、车站、线路和线网，属于公共交通运营最基本的统计指标。客流统计分析系统主要是整个公共交通网络的客流分析，包括线路客流量、车站客流量、断面客流量分析，同时还包括客流在空间上的流向分析。公共交通运营评价系统包括线路负荷、满载率等，主要评估公共交通在运营中运力和需求的匹配度，特别是在运营调度方面，燃油消耗直接反映运力的供给。

在两个应用系统中，调度优化系统最主要目的是通过客流数据和刷卡数据对运营调度进行灵活调整，但不一定是实时，而是基于历史客流的调度方案。线路调整及优化评估系统则主要考虑政府和相关部门的实际运营管理需求，通过大数据结合综合交通模型，对不同部门提出的线路调整方案的合理性进行客流评估，并且确定科学的调度方案。

以上五大系统一共含4类16个指标系列，通过有效的数据指标，使公共交通运输企业在运营上进行量化，以数据来提升决策的科学性，优化改善公共交通的运营效率。作为中远期的预期效果，可以使规范和标准化的公共交通数据进一步支撑整个部门业务的考核、统计、规划、形成报表，并拓展到其他交通领域来利用大数据，充分挖掘大数据的价值。

南京市RFID数据的研究和展望

程晓明 (南京市城市与交通规划设计研究院)

南京市有474个RFID基站，基本分布在绕城公路以内，也就是主城区以内。按照主城区约600 km2的密度计算的覆盖率比较高，但外围地区比较缺失，在一些副城核心区域有需求才会配建。RFID数据是一个半时空地理化的数据，直接数据源主要是车牌、基站号、基站经纬度、车辆时间戳等。RFID数据的特点主要有三方面，首先RFID数据与车辆一一对应，基本上只要有电子车牌车辆经过都能检测到相应信息，南京市电子车牌在车辆上的覆盖率已经达到95%，主城内基本都能监测到；其次定位比较精确，因为直接提供基站编号，每个车辆都可以用相应方法进行定位；第三可以精确地检测交通流，除了过境车辆没有数据，重型车、小型车都可以计算出来。

RFID数据要真正应用，还需要一些相应的基础工作。首先是具有多源数据，单一的数据不可能有太大作为，必须将多种相关数据进行融合、关联分析，才能更全面、精确地描述特征。第二是特征模式的深度挖掘学习，对时空数据，特别是海量数据可以通过自动学习算法的方式进行反馈验证，既增加数据分析精度，也为深入分析数据内部规律性提供可能。第三是交通预测模型的辅助校核验证，通过大样本的交通大数据对需求预测模型的建立进行后评估和校核，提升模型精确性。

重庆市RFID数据分析应用实践

唐小勇 (重庆市交通规划研究院)

重庆市在全国城市中较早建设车辆RFID系统。全市约有280万辆汽车装有RFID电子标签，主城区建有600余个路面采集点，主要集中在内环及以内区域，平均间距小于3 km，采集的信息包括车辆ID、通过时间、车型、使用性质，平均每天检测到的车辆数约75万辆。

重庆市交通规划研究院基于RFID数据开展了一系列分析及应用探索。一是分析车辆OD。获取车辆全天的出行轨迹，识别停留点，基于停留点对连续的出行轨迹进行切分，得到车辆出行链及每一次出行OD。停留点的识别需要参考前后两次轨迹点的时间间隔、相邻时段通过相同区段的其他车辆的出行时耗。对约72万辆非营运车辆的轨迹切分结果显示，85%的车辆可以有效识别出车辆OD。剩余15%的车辆全天只被检测到1次，或者切分后产生孤点轨迹。

二是利用RFID数据推算全路网车流量。获取RFID车辆轨迹序列后，相邻轨迹点之间采用最短路径进行修复，得到车辆在路网完整的出行轨迹。叠加所有车辆的轨迹，得到每条道路分时段的车流量。此方法可以修复漏检的断面流量，也可以推算出没有检测点的路段及转向的车流量。

三是车辆出行行为画像。建立反映车辆行为的指标体系，从多个维度对车辆进行画像与分类。主要的指标包括车辆出行频率(每月的出行天数)、日出行次数、每次的出行距离、出发时间和出行时耗，多日出行OD及轨迹相似度等。分别针对工作日与非工作日进行指标统计。基于各类指标对车辆进行分类，例如高频率使用车辆、高强度使用车辆、周末使用平日不出行的车辆、通勤车辆等。重庆市主城区小客车的出行特征分析结果显示，全日约68万辆小客车中，12.2万辆具有规律出行特征(50%以上天数具有相同的出行起讫点)，占18%。早晚高峰时段41.6万辆小客车中，9.6万辆具有规律出行特征，占23%。

四是在具体的规划项目中开展车辆OD、流量流向分析，为科学制定规划方案提供支撑。例如在重庆市内环高架快速路方案研究中，通过车辆OD分析发现，现状车辆在内环上的行驶距离较短，平均行驶距离为8.5 km，中短距离(10 km以内)占66%，长距离(10 km以上)占34%。基于现状需求判断，提出了规划内环高架的定位是服务长距离交通(集散、绕行、长距离内部转换)，与射线快速路共同构成核心区进出城的快速通道，实现长、短距离出行分离，提升运输效率。为此要求巧妙地设置高架出入口，避免短距离出行车辆占用高架道路。另一个应用案例是重庆市沙坪坝商圈交通改善规划，通过区域车辆OD及主要进出通道的流量流向分析发现，商圈过境交通量非常大。早高峰时段区域进出交通量3.2万辆，其中过境量达1.8万辆，占56%。到达及内部外出交通量1.4万辆，其中64%为通勤车辆。基于此分析结论提出商圈缓堵的总体思路：1)分流商圈过境交通；2)解决通勤交通需求，发展公共交通，促进小汽车通勤出行转向公共交通。

未来研究方向包括：一是融合车辆RFID数据与视频卡口车牌识别数据、车辆GPS数据、手机信令数据，拓展更多的应用方向；二是关联更多机动车属性，包括归属地、事故记录、排放等级、使用年限，细分车辆类型，开展更多针对性分析；三是研究基于RFID数据的现状道路交通流仿真模型，部分取代传统四阶段现状模型；四是研究车辆出行活动与城市功能及土地利用的关系；五是研究车辆使用决策机制，例如个人偏好、经济属性、出行目的、停车难易度及费用、道路拥堵程度、公共交通便捷性等外部条件如何影响用户选择小汽车出行。

公共交通大数据存在的问题和困惑

陈学武 (东南大学)

按照数据采集、融合、挖掘和应用的流程，东南大学已基本搭建起城市公共交通大数据分析框架。这个框架的主要数据源是公交IC卡和GPS数据，以这些数据为核心，融合其他相关的静态数据，实现了公交运营分析、客流OD推导以及客流特征分析等一系列功能，为线网优化、运营管理提供了一定的决策支持。

在研究过程中，我们体会到大数据之困不在挖掘分析，而在于大数据的采集、融合和应用。首先是采集难。从研究单位来看，最大的困难在于协调难。由于数据涉及的部门很多(包括国土、规划、公安、交警，以及与公交IC卡相关的各个企业和单位)，要想获得所有部门的数据非常困难。从研究的深度、广度来看，希望这些数据能完全开放，但现阶段非常困难。其次是数据的融合难，主要体现在不同数据源之间的相同信息可能采用不同的规则定义，甚至不同厂家的同类设备之间也会存在差异，还有一些数据的概念和专业的理解也会存在偏差。最后是应用难，最突出的感受就是验证。我们对大数据挖掘算法做了大量研究，可以说挖掘不难，但是验证难、成本高。

因此，提出以下建议：第一，构建数据共享平台；第二，推动行业数据标准化，加快数据标准化研究，以规范数据定义，统一采集要求，真正实现拓展应用的广度、深度和精度；第三，通过研究对交通模型和大数据进行互动改造，更多的是促进两者之间的有机结合，特别希望在交通模型领域实现模块化的发展，通过通用模块和专用模块组合，提高模型的可移植性。另外，要构建交通模型的大数据接口，将一些成熟的大数据分析模块直接纳入交通模型中。

交通大数据分析的机制问题

杨东援 (同济大学)

这个问题由如下思考所引发：第一，从决策角度来看，我们为什么需要大数据？大数据对决策质量有没有很好的提高？第二，交通领域的大数据应用和其他领域应用不一样，是一个公共管理领域的大数据应用，那么如何创建一种良性的技术环境。

站在决策立场上分析大数据的必要性。第一，实际上我们感兴趣的并不是交通模型工程师多了一种工具，主要是决策者要增强自身的观察能力、判断能力和洞察能力。我们现在面临很多新问题，过去主要围绕交通基础设施建设，已经积累了相当一部分经验，而社会管理问题越来越突发，现有经验不足，在这样一种背景下如何及时发现问题。第二，如何在新形势、新阶段正确界定交通系统的任务。当城市进入存量规划阶段，交通可能不仅仅是满足于量，而是交通的质量。交通与活动空间是什么关系，怎样和城市规划进行讨论。当城市进入修复阶段和更新阶段，交通是政府的重要手段，它该如何主动引导城市形成健康的空间结构。第三，需要精细化的对策，有了大数据的技术支持，需要进一步考虑如何做到交通需求管理的精准调控，公共交通系统的精细化服务，道路运行的精明管控。正是有这一系列决策需求，才产生了用大数据分析改造传统交通分析的必要性，产生了将数据资源转化为决策能力，并进一步提升行动效果的必要性。

在这样一些背景下，从战略层面来看，需要大数据是为了做一系列更加有效的决策，因此希望利用大数据更加客观、全面、及时、细致地去看城市交通。

在很多规划和管理对策设计过程中，大数据会带来好的转变，同时也会带来话语权的变化，有数据才有话语权，没数据的就没有话语权。所以，要防止少数单位形成数据垄断，从而造成新技术环境下的“一言堂”。要争取在大数据环境下更多的研究者、分析者能够充分发表有针对性的意见，并研究如何让他们基于证据广泛参与讨论并达成共识的方法。

其次，如何营造一种良性的大数据技术环境，主要有以下几个方面。一是大数据分析需要建立规范化的工作流程，在这个过程中有效地防止以偏概全，从技术上提供基于证据的研讨环境。二是形成一系列技术规范，使得分析结果在统一的话语体系内能够有效地交流，参与者能够正确地理解。三是政府支持下的开放性大数据平台要明确建设目标。必须注意到，公共管理领域的大数据公共分析平台是让诸多不同立场、不同观点、不同思维方式的研究单位能够在一个共同的信息环境里充分交流、充分讨论，以保障决策的科学性。四是注意数据的隐私和保护。既要避免对个人隐私的侵犯，也要使数据资源得到有效利用。为此不仅要防范隐私数据的外泄，也要正确界定隐私的定义。希望尽快制定相应的法律法规，以规范各类数据的正确使用。

重视交通大数据来源及应用规范问题

陆原 (广州南沙经济技术开发区管理委员会)

现在交通规划领域以数据说话的分量越来越重，特别是大数据的出现和应用，这在二十几年前是不敢想象的。这些交通信息数据如能客观、有效、真实地掌握，那么对出行需求的研究与判断，对交通规划的思维方式、解决问题的方法以及对交通问题的分析思路都会带来深刻的影响和变化。对于大数据应用确实是要引起高度重视，要充分发挥大数据在交通规划中的作用。与此同时，对大数据目前存在的众说纷纭等问题也要引起重视，这些问题会影响对客观事实的判定。

第一，不同来源的大数据是从各个方面用不同手段、不同途径获取的，甚至是其他领域附带性的数据。实际上，我们获得的大数据往往是二次数据，是有关单位通过利用其本身行业信息来源的数据，分析、整理甚至加工得出的表征性指标或表征性数据。这种大数据得出的表征性数据概念的内涵一定要辨析清楚。因此，数据本身的属性或特性需要明确并规范化，否则不同的数据来源就无法进行比较，就没有借鉴性。

第二，大数据分析最终得出的是一些指标，如出行距离、出行速度、出行时间和出行分布等。首先建议相关部门要下力气，以严密的科学态度定义大数据的统计对象及数据特征。例如城市高快速路与城市道路并线时，采用高快速路数据和采用城市道路数据做对比是没有可比性的。要使大数据真正支撑交通科学发展，就要在国家层面、学科层面实现大数据统计分析对象及数据特征的规范化。

第三，目前可知范围的数据也要有分层应用的概念，在什么阶段使用哪些数据最科学，从最精细到最宏观，社会成本和人力资源成本是否最值得，研究精力是否最科学。另外，数据应用范围要规范，哪些数据应用于哪个交通研究领域，要在学科上进行明确。

第四，很多数据获取的困难是来源于不同行业的管理法规层面，而不是来源于数据技术本身，所以规范大数据应用的法规体系构建也是当务之急。可以尽快制定规范文件或者暂行办法，以便大家共同遵守，也有利于大数据的充分运用。

第五，数据共享其实是资源问题，有其市场因素。建议政府部门加强引导，充分发挥市场经济配置这只“无形的手”的作用，将数据开放引入市场配置机制的正确轨道，以此为契机打破行业数据壁垒。这不仅仅是城市交通行业大数据共享的变革，也是引导全行业大数据产业健康发展的新革命。

大数据与规划、模型及数据公开思考

赵一新 (中国城市规划设计研究院)

第一，我们应该思考过于依赖大数据推导出的本源问题会不会有偏差。做城市规划可能试图从数据表象概括本源，要避免数据上的偏差，这就涉及基础数据问题、样本偏差问题或者数据采集问题等。第二，做交通规划希望和城市更加紧密结合，过去做得比较多的是交通量、交通特征等分析，现在需要用交通数据去解读、描述城市空间，进而希望通过交通规划去影响城市规划和城市政策。第三，近几年国外一些学校和机构在结合大数据的基础上重新审视交通模型的功能和作用，大数据分析和交通模型的发展相辅相成，不断螺旋式上升是正确的方向，片面强调任何一方的重要性有失偏颇。第四，关于数据公开的建议。对于一些需要数据做研究的机构，如何向他们提供统一标准的数据，并在同一个平台上进行研究，这可能是今后大数据工作继续努力的方向。

交通大数据分析要点建议

林群 (深圳市城市交通规划设计研究中心)

第一，交通大数据分析技术应围绕规划编制、规划管理与实施，特别是交通综合治理和轨道交通建设等重点工作展开。第二，关键是提炼能有效支持政府决策的知识点和功能点，促进分析评估技术的流程再造。第三，互联网生态圈促进了数据分析评估技术的发展，新的知识点和功能点不断涌现。

交通大数据应用实例及共享模式

陈艳艳 (北京工业大学)

城市交通大数据应用比较好的部门或者单位主要有三类：一是城市交通管理部门，由自己根据需求采集数据，如何挖掘和应用也都与业务职责结合较为紧密，大数据可直接支撑日常工作，所以数据来源的长期稳定性及落地应用性有一定保障；二是互联网企业，其数据来源多为众包数据，因为现在有比较好的商业模式可以获取到这些数据，但总体来讲其相应的挖掘应用工作相对比较单一，更多的是信息发布和信息诱导，当然也有一些互联网企业利用大数据在精准出行服务方面也取得了很好的模式创新；三是城市交通运行监测与协同管理部门，其数据并不是自己采集，而是汇聚了行业主管部门及其他交通相关部门的数据。数据来源多种多样，但多数数据源不是为交通规划或管理专门采集的，而是来自于交通或其他领域的业务数据，比如IC卡的刷卡数据即是运营收费服务的衍生品。再如来自手机信令的数据，是通信服务的衍生品。其采集周期及信息项不会为了交通应用而更精准地设计，因此，在交通规划应用时，建立统一的大数据处理标准十分必要。

此外，解决数据共享问题仅靠政府推动是不现实的，数据应用方与拥有方应寻找合作共赢渠道。交通规划部门应该仔细考虑支撑规划到底需要什么样的数据源，进而按照现有规划流程和标准制定相应的数据标准。同时由于各类数据拥有方均有着自身利益，因此可以通过建立合适的商业模式实现相互共享，这样才更有可能做到常态化应用。

交通大数据分析与描述的方法及重点

钱林波 (南京市城市与交通规划设计研究院)

第一，大数据的分析和描述应当充分运用数理统计学的理论和方法。在分析的过程中，不管是对交通事件的描述，还是对交通事件与影响因素之间的相互关系描述，都要基于统计学的基本原理，分析交通事件发生的确定性、随机性以及他们之间的关系。将交通大数据片面理解为交通数据的大集合或者是交通事件确定性要素之间的关系都欠妥当。第二，交通大数据分析的对象和重点是关注人移动的便捷、高效和安全，而且要关注人在出行链中的全过程和每一个环节。评价人移动的质量和效率以及分析移动质量和

大数据形势下交通规划师定位与培养

高志刚 (重庆市交通规划研究院)

在城市交通行业，无论是大数据的交互采集还是建模应用工作，其中作为主导角色发挥能动性的还只能是交通规划师。因此在大数据的新形势下，交通规划师如何定位和培养是一个关键问题。目前很多交通研究其实已超越城市交通规划，这个行业亟须突破、变革。于是就需要具有综合性的一群人，包括交通、规划以及统计学科。这些人可能是一个新群体，对城市交通行业发展非常重要，他们的发展可能是整个行业进步的主要推动力。

(本文由重庆市交通规划研究院周涛、张建嵩、戴许昊编辑整理)出行效率的影响要素，发现存在的问题，提出针对交通政策、交通规划和交通运行各环节的改善对策和措施，使交通大数据的分析和研究真正有利于交通系统中人的运行效率的改善和提升。

编者按：中国城市交通发展论坛第十二次研讨会于2016年10月14日在重庆市召开，本次会议的重点聚焦“大数据环境下的城市交通规划与管理”，深入讨论城市交通规划与管理领域的大数据是什么、怎么用的问题，进而推进建立行业大数据使用的流程与标准、数据使用与共享的法规与政策以及大数据人才培养的战略规划，最终实现理念与技术的全行业进步。本刊节选部分专家发言并进行编辑，谨供参考。

1672-5328（2016）06-0088-09

U491

A DOI∶10.13813/j.cn11-5141/u.2016.0613